Programa

• Fluxo da ciência de dados
• A imporância do contexto
• A escolha da visualização
• Eliminando ruído
• Escolhendo o destaque
• Ajustes estéticos
• Que história está sendo contada?

Motivação

Fluxo da ciência de dados

Percorremos um longo caminho nessas duas semanas. Hoje completamos o ciclo.

A floresta e as árvores

Exploramos muitos detalhes de implementação nesses últimos dias. Nos concentramos em aspectos individuais de cada análise.

Hoje, queremos dar um passo atrás para pensarmos menos no detalhe e mais no processo.

No fim da contas, toda análise de dados tem um propósito. Como alcançá-lo de maneira mais efetiva?

Elementos essesenciais da comunicação de dados

Vamos separar o processo de comunicação de dados em 6 princípios gerais:

1. O contexto importa
2. A visualização deriva dos dados
3. Separar o que é sinal e o que é ruído
4. Impor hierarquia entre os dados
5. Beleza também conta
6. Sua análise deve contar uma história

Contexto

Contexto

Toda análise tem um objetivo e uma audiência.

• É importante separar a exploração dos dados e a análise final. Não caia na tentação de mostrar tudo o que você fez.

• Adapte o relatório a sua audiência. Tomadores de decisão nem sempre estão interessados em detalhes de execução.

• E daí? Tenha em mente um objetivo específico de aprendizado. É ele que vai guiar quais informações são relevantes para seu relatório.

Números isolados não nos dizem muita coisa. Para tomar decisões com base em evidência, é preciso estabelecer uma base de comparação adequada para o objetivo do seu relatório.

Contexto pode vir em uma informação nova…

… ou reforçar uma informação já existente

A escolha do gráfico

A escolha do gráfico

• Use gráficos em vez de tabelas!

• Que tipo de dados?

• Quantas dimensões

• A maioria dos relatórios é consumida em mídias 2D. Mostrar mais do que isso pode gerar confusão no leitor

• Cuidado com as escalas!

Escalas podem ser enganosas

Evite eixos duplos

Ou triplos!

Menos gráficos de pizza…

Oof

Menos é mais

Eliminação de ruído

Quanto mais informações na sua visualização, maior a carga cognitiva

Data-ink ratio

Quanto mais informações na sua visualização, maior a carga cognitiva

Limpeza passo a passo

Eliminação da borda

Limpeza das grades

Tirando os pontos

Processamento dos eixos

Ajeitando o rótulo

Ajuste de cores

Antes e depois

Hierarquia entre os dados

Conte os dígitos 3

Conte os dígitos 3

Formas de chamar atenção

Destaque por cores

Voltando ao nosso exemplo

Voltando ao nosso exemplo

Use cores de maneira estratégica

Nem todos os dados têm a mesma importância

Enfatizando o ponto principal

Enfatizando o ponto principal

Enfatizando o ponto principal

Contando sua história

Amarrando todos os passos

Amarrando todos os passos

Amarrando todos os passos

Amarrando todos os passos

Amarrando todos os passos

Narrativa final

Narrativa final

Narrativa final

Narrativa final

Narrativa final

Narrativa final

Narrativa final

Narrativa final

Antes e depois

Aplicação: Evolução Covid-19

# remotes::install_github("kjhealy/covdata")
library(covdata)
library(tidyverse)
library(ggrepel)
library(Cairo)
library(slider)
library(ggforce)

covnat

Evolução Covid-19

Média móvel

Mortes em Nova York

Material adicional

• Flowing Data
• Information is Beautiful
• The Functional Art
• Covid no Financial Times

Tarefa da aula

As instruções da tarefa estão no arquivo NN-class-ds4ir-assignment.rmd da pasta assignment que se encontra na raiz desse projeto.